자동 분할과 ELM을 이용한 심장질환 분류 성능 개선

곽철,권오욱,Kwak, Chul,Kwon, Oh-Wook 한국음향학회 2009 韓國音響學會誌 Vol.28 No.1

본 논문은 자동 분할과 extreme learning machine (ELM)을 이용하여 연속 심음신호에 의한 심장질환 분류의 성능을 개선한다. 자동 분할을 위한 전처리 단계에서 비정상적인 심음신호는 심잡음 (murmur)과 클릭음 (click)을 포함하고 있기 때문에 제1음 (S1)과 제2음 (S2) 시작점 검출 결과가 부정확하거나 누락되어 기존의 심장질환 분류 시스템의 정확도를 저하시키게된다. 이러한 분할 오류에 의한 성능 저하를 감소하기 위해 S1 및 S2의 위치를 찾고, S1 및 S2의 시간 차이를 이용하여 부정확한 시작점을 교정한 다음 한 주기 심음 신호를 추출한다. 특징벡터로는 단일 주기의 심음 신호로부터 추출된 멜척도 필터뱅크 로그 에너지 계수와 포락선을 사용한다. 심장질환을 분류하기 위하여 한 개의 은닉층을 가진 ELM 알고리듬을 사용한다. 9가지 심장질환 분류 실험을 수행한 결과, 제안 방법은 81.6%의 분류 정확도를 나타내며, multi-layer perceptron(MLP), support vector machine (SVM), hidden Markov model (HMM) 중에서 가장 높은 분류 정확도를 보여준다. In this paper, we improve the performance of cardiac disorder classification by continuous heart sound signals using automatic segmentation and extreme learning machine (ELM). The accuracy of the conventional cardiac disorder classification systems degrades because murmurs and click sounds contained in the abnormal heart sound signals cause incorrect or missing starting points of the first (S1) and the second heart pulses (S2) in the automatic segmentation stage, In order to reduce the performance degradation due to segmentation errors, we find the positions of the S1 and S2 pulses, modify them using the time difference of S1 or S2, and extract a single period of heart sound signals. We then obtain a feature vector consisting of the mel-scaled filter bank energy coefficients and the envelope of uniform-sized sub-segments from the single-period heart sound signals. To classify the heart disorders, we use ELM with a single hidden layer. In cardiac disorder classification experiments with 9 cardiac disorder categories, the proposed method shows the classification accuracy of 81.6% and achieves the highest classification accuracy among ELM, multi-layer perceptron (MLP), support vector machine (SVM), and hidden Markov model (HMM).

심음 기반의 심장질환 분류를 위한 새로운 시간영역 특징

곽철,권오욱,Kwak, Chul,Kwon, Oh-Wook 한국음향학회 2010 韓國音響學會誌 Vol.29 No.2

We improve the performance of cardiac disorder classification by adding new temporal features extracted from continuous heart sound signals. We add three kinds of novel temporal features to a conventional feature based on mel-frequency cepstral coefficients (MFCC): Heart sound envelope, murmur probabilities, and murmur amplitude variation. In cardiac disorder classification and detection experiments, we evaluate the contribution of the proposed features to classification accuracy and select proper temporal features using the sequential feature selection method. The selected features are shown to improve classification accuracy significantly and consistently for neural network-based pattern classifiers such as multi-layer perceptron (MLP), support vector machine (SVM), and extreme learning machine (ELM). 연속 심음신호로부터 추출한 새로운 시간영역에서의 특징들을 추가하여 심장질환 분류의 성능을 개선한다. 기존에 사용되고 있는 켑스트럼 영역 특징인 멜주파수 켑스트럼 계수 (MFCC)에 심음 포락선, 심잡음 확률벡터, 심잡음 진폭값 변동으로 구성된 새로운 3종류의 시간영역 특징을 추가한다. 심장 질환 분류 및 검출 실험에서, 시간영역 특징의 분류 정확도에 대한 기여도를 평가하고 순차적 특징선택 방식을 이용하여 시간영역 특징을 선택한다. 선택된 특징들은 다층 퍼셉트론(MLP), support rector machine (SVM), extreme learning machine (ELM)와 같은 신경회로망 패턴 분류기에 대하여 의미있고 일관되게 분류 정확도를 개선함을 보여준다.

SVM을 이용하여 HMM과 심잡음 점수를 결합한 심음 기반 심장질환 분류기

곽철,권오욱,Kwak, Chul,Kwon, Oh-Wook 한국음향학회 2011 韓國音響學會誌 Vol.30 No.3

본 논문은 support vector machine (SVM)을 사용하여 은닉 마코프 모델 (HMM)과 심잡음 존재 정보를 결합한 새로운 심장질환 분류 방법을 제안한다. 켑스트럼 특징과 HMM 비터비 (Viterbi) 알고리듬을 이용하여 입력 신호를 모든 심장질환 모델에 대하여 상태 단위로 분할하여 상태별로 로그우도 (점수)를 계산한다. 심잡음 신호의 시간적 위치 특성을 이용하기 위하여 입력신호를 두 개의 부대역으로 나누고 부대역별로 프레임 단위의 심잡음 점수를 계산한 다음, 비터비 알고리듬으로부터 구한 상태 분할 정보를 이용하여 상태단위의 심잡음 점수를 구한다. SVM은 모든 심장질환 종류에 대한 상태 단위의 HMM과 심잡음 점수를 입력으로 하여 최종적으로 심장질환을 판정한다. 심장질환 분류 실험결과, 제안한 방법은 기존의 켑스트럼 특징과 HMM 분류기를 이용한 방법에 비하여 20.4 %의 상대적 개선율을 보여준다. In this paper, we propose a new cardiac disorder classification method using an support vector machine (SVM) to combine hidden Markov model (HMM) and murmur existence information. Using cepstral features and the HMM Viterbi algorithm, we segment input heart sound signals into HMM states for each cardiac disorder model and compute log-likelihood (score) for every state in the model. To exploit the temporal position characteristics of murmur signals, we divide the input signals into two subbands and compute murmur probability of every subband of each frame, and obtain the murmur score for each state by using the state segmentation information obtained from the Viterbi algorithm. With an input vector containing the HMM state scores and the murmur scores for all cardiac disorder models, SVM finally decides the cardiac disorder category. In cardiac disorder classification experimental results, the proposed method shows the relatively improvement rate of 20.4 % compared to the HMM-based classifier with the conventional cepstral features.

데실아크릴레이트와 초임계 이산화탄소의 고압 상거동

곽철 ( Chul Kwak ),이연호 ( Yeon Ho Lee ) 경남대학교 신소재연구소 2006 신소재연구 Vol.18 No.-

불점곡선으로부터 기액평형의 결정

곽철 ( Chul Kwak ) 경남대학교 환경문제연구소 1980 환경연구 Vol.2 No.-

무선 전자청진 심음을 이용한 심장질환 분류

곽철(Chul Kwak),이윤경(Yun-Kyung Lee),권오욱(Oh-Wook Kwon) 대한전기학회 2007 대한전기학회 학술대회 논문집 Vol.2007 No.10

Heart diseases are critical and should be detected as soon as possible. A stethoscope is a simple device to find cardiac disorder but requires keen experiences in heart sounds. We evaluate a cardiac disorder classifier by using heart sounds recorded by a digital wireless stethoscope developed in this work. The classifier uses hidden Markov models with circular state transition to model the heart sounds. We train the classifier using two kinds of data: One recorded by using our stethoscope and the other sampled from a clean heart sound database. In classification experiments using 165 sound clips, the classifier shows the classification accuracy of 82% in classifying 6 cardiac disorder categories.

이산화탄소 - 이소프로필 알코올계 : 고압 상거동 및 SAFT 상태방정식 적용

곽철(Chul Kwak),변헌수(Hun Soo Byun) 한국공업화학회 1999 공업화학 Vol.10 No.2

N/A N/A

연구발표초록 ( 열역학 ) : 이산화탄소와 Tetralin 계에 대한 고압상평형 연구

곽철 (정),변헌수 (정),김춘호 (정) ( Chul Kwak,Hun Soo Byun,Choon Ho Kim ) 한국화학공학회 1992 춘계학술발표회 Vol.- No.-

이산화탄소와 α- Tetralol 과의 2성분계 고압상평형 측정

변헌수,김춘호,황영기,곽철 ( Hun Soo Byun,Choon Ho Kim,Young Gi Hwang,Chul Kwak ) 한국공업화학회 1996 공업화학 Vol.7 No.1

313.2K, 343.2K 그리고 373.2K 온도와 압력 6.0㎫에서 35.0㎫ 범위까지 이산화탄소와 방향족 탄화수소인 1,2,3,4-tetrahydro-1-naphthol(=α-tetralol)과의 상평형 실험을 각 온도에서 압력을 변화시키면서 수행하였다. 상평형 장치는 기상과 액상을 동시에 순환시키는 순환형이 사용되었으며, 실험분석은 미량시료채취법으로 시료를 채취하여 분석하였다. 이산화탄소와 α-tetralol계의 실험은 기상과 액상에서의 상평형데이터 및 혼합물 밀도의 측정이 실험조건별로 이루어 졌다. 실험결과 일정압력에서 이산화탄소의 용해도는 액상에서 온도가 증가함에 따라 감소하였고, 기상에서 α-tetralol의 용해도는 온도가 증가할수록 증가하였다. 혼합물 밀도는 압력이 증가할수록 기상, 액상 모두 혼합물 임계밀도쪽으로 접근해 감을 알 수 있었다. 또한 열역학적 해석을 위하여 3차 상태방정식인 Peng-Robinson식을 이용하여 이산화탄소 -α-tetralol계의 실험치를 상호 연관시켜 이론치를 계산하여 실험치와 비교한 결과 AAD가 K(1)의 경우 1.08%∼8.93%이고 K(2)의 경우는 45.71%∼72.34%이였다. The binary phase equilibrium experiments of carbon dioxide/1,2,3,4 α-tetrahydro-1-naphthol(α-tetralol) system were inducted to get phase equilibrium and mixture density data at 313.2K, 343.2K and 373.2K and within pressure ranges of 6.0 ㎫ to 35.0㎫. The phase equilibrium apparatus was type that circulated the vapor and liquid phase, the expened volume measuring system was adopted to microsampling technique for the analysis. The phase equilibrium and mixture density data were obtained for carbon dioxide/α-tetralol system from liquid and vapor phase. The mole fraction of carbon dioxide in liquid phase decreases and the mole fraction of α-tetralol in vapor phase increases at constant pressure according to increment of temperature, and both the densities of the vapor and liquid phase approach to the mixture critical density as the pressure increases at any temperature. For the thermodynamic analysis, the experimental data were correlated with Peng-Robinson equation in cubic equation of state and compared to theoretical values of carbon dioxide/α-tetralol system. The AAD result was in the range of 1.08%∼8.93% in the case of K(1), and was in the range of 45.71 %∼72.34% in the case of K(2).

음소 및 성조 레이블링 프로그램 개발

이윤경(Yun-Kyung Lee),곽철(Chul Kwak),권오욱(Oh-Wook Kwon) 대한전기학회 2007 대한전기학회 학술대회 논문집 Vol.2007 No.10

Although previous speech analysis programs usually provide speech analysis and phoneme labeling functionalities, they require much time in manual labeling and support only English alphabets. To solve these problems, we develop a new Windows-based program with an improved phoneme and tone labeling method as well as the conventional speech analysis functionalities. The developed program has the unique feature in semi-automatic phoneme and tone labeling based on hidden Markov models.